OpenAI prepara o modo de voz bidirecional para o ChatGPT

A OpenAI está prestes a transformar a experiência de voz do ChatGPT com o Bidi 1, um modelo que pela primeira vez permite verdadeira interação bidirecional em tempo real. Diferente da versão atual, que ainda sofre com cortes abruptos e perda de contexto, o novo sistema escuta, fala e reage simultaneamente, como uma conversa humana. O modelo já aparece no seletor do app, com indicador visual amarelo, e responde com pequenos gestos sonoros, como um 'okay' ao perceber pausas, sem interromper.

O diferencial técnico está na capacidade de manter o fluxo lógico mesmo após interrupções bruscas, algo que modelos anteriores não conseguiam. Se você pede para contar até dez e depois manda inverter a contagem no meio, ele ajusta na hora. Isso indica um salto no controle de estado conversacional, provavelmente alimentado por melhorias no pipeline de latência e no gerenciamento de turnos (turn-taking) em áudio.

Essa atualização fecha uma lacuna crítica entre os modelos de texto avançados da OpenAI e a interface de voz, até agora mais limitada. Ao tornar a conversa fluida e natural, a empresa prepara o terreno para uso contínuo do ChatGPT em cenários como direção, atendimento hands-free ou auxílio a pessoas com deficiência visual. Também acirra a competição com rivais como Google e Apple, que apostam forte em assistentes com IA contextual. O timing sugere que a OpenAI quer consolidar o ChatGPT como plataforma central de interação multimodal antes do lançamento do Codex com voz, previsto para semanas depois.